MASALAH PENJADWALAN KEGIATAN BELAJAR MENGAJAR:
Studi Kasus di Lembaga Bimbingan Belajar BTA Bogor
BIMA SAPUTRA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRAK
BIMA SAPUTRA. Masalah Penjadwalan Kegiatan Belajar Mengajar: Studi Kasus di Lembaga Bimbingan Belajar BTA Bogor. Dibimbing oleh FARIDA HANUM dan TONI BAKHTIAR.
Di setiap semester, beberapa tempat bimbingan belajar menghadapi permasalahan yang sama, yakni penjadwalan kegiatan belajar mengajar dengan kendala waktu dan kapasitas ruangan yang terbatas. Pada setiap semester, banyaknya siswa yang mendaftar untuk mengikuti bimbingan belajar pada umumnya tidak selalu sama, sehingga menimbulkan permasalahan yang terkait dengan kapasitas ruangan. Permasalahan penjadwalan ruangan ini dapat dimodelkan sebagai masalah pemrograman linear integer/Integer Linear Programming (ILP). ILP adalah masalah optimisasi dengan fungsi objektif linear dan kendala serta variabel integer.
Pemodelan masalah penjadwalan ini dirumuskan dengan kendala berikut: (i) ketersediaan ruangan, (ii) periode waktu yaitu Senin-Rabu-Jumat atau Selasa-Kamis-Sabtu, (iii) dengan sejumlah mata pelajaran dan (iv) ketersediaan pengajar.
Tulisan ini akan membahas bagaimana memformulasikan masalah penjadwalan kegiatan belajar mengajar dalam bentuk ILP dengan mengambil contoh kasus di lembaga bimbingan belajar BTA Bogor. Penyelesaian model ini menggunakan software Lingo 8.0 dengan metode Branch and
ABSTRAK
BIMA SAPUTRA. Scheduling Problem of Teaching and Learning Activities: Case Study at BTA College Bogor. Supervised by FARIDA HANUM and TONI BAKHTIAR
.
At every beginning of semester, some colleges may face the same problem in setting up schedules of teaching and learning activities with constraints of time and availability of rooms. Generally, in every semester, the number of registered students in the college are not always the same. Thus, it will generate problem which related to the classroom capacities. In this work, the teaching and learning activities scheduling problem can be modeled as an integer linear programming problem (ILP). ILP is the problem of optimization with linear objective function and constraints, which involves some integer variables.
The model of scheduling problem is formulated under the following constraints: (i) the availability of rooms, (ii) the time period of Monday-Wednesday-Friday or Tuesday-Thursday-Saturday, (iii) the number of courses and (iv) the availability of the toturs.
In this work, we discuss how to formulate the scheduling problem of teaching and learning activities into ILP by taking a case study at BTA college. To solve this model we use Lingo 8.0 software with branch and bound method.
MASALAH PENJADWALAN KEGIATAN BELAJAR MENGAJAR:
Studi Kasus di Lembaga Bimbingan Belajar BTA Bogor
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh :
BIMA SAPUTRA
G54051666
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009
Judul : Masalah Penjadwalan Kegiatan Belajar Mengajar: Studi Kasus di
Lembaga Bimbingan Belajar BTA Bogor
Nama : Bima Saputra
NRP : G54051666
Menyetujui,
Pembimbing I
Pembimbing II
Dra. Farida Hanum, M.Si.
Dr. Toni Bakhtiar, M.Sc.
NIP. 19651019 199103 2 002
NIP. 19720627 199702 1 002
Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. drh. Hasim, DEA
NIP. 19610328 198601 1 002
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat dan karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Penyusunan karya ilmiah ini juga tidak lepas dari bantuan berbagai pihak. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Dra. Farida Hanum, M.Si. selaku dosen pembimbing I (terima kasih atas semua ilmu, kesabaran, motivasi, dan bantuannya selama penulisan skripsi ini).
2. Dr. Toni Bakhtiar, M.Sc. selaku dosen pembimbing II (terima kasih atas semua ilmu, saran, dan motivasinya).
3. Drs. Prapto Tri Supriyo, M.Kom. selaku dosen penguji (terima kasih atas semua ilmu dan sarannya).
4. Semua dosen Departemen Matematika (terima kasih atas semua ilmu yang telah diberikan).
5. Bu Susi, Bu Ade, Mas Bono, Mas Deni, Mas Yono, Mas Heri.
6. Keluargaku tercinta: bapak, ibu, dan kakak-kakakku tercinta (terima kasih banyak atas semua doa, dukungan, dan kasih sayangnya.
7. Niken (terima kasih atas waktu, doa, dukungan, saran, dan segala bantuannya).
8. Teman-teman Math 42: Yusep, Fachri, Djawa, Ayeep, Mocco, Ilie, Awi, Septian, Warno, Sapto, Dendy Diedie, Erlin, Jane, Idha, Eyyi, Oby, Lisda, Achy, Vino, Hapsari, Octa, Ryu, Vita, Luri, Hikmah, Ricken, Ocoy, Nyoman, Agnes, Ayu, , Siti, Zil dan teman-teman Math 42 lainnya (selamat berjuang teman-teman-teman-temanku…).
9. Teman-teman Math 43: Nia, Suci, Supri, Apri, Copy, Lia, Destya, Nene, Vera, Margi, Kabil, Peli, Rizky, Arum, Fitria, Andrew, dan teman-teman Math 43 lainnya (makasih buat dukungan, bantuan dan doanya).
10. Teman-teman Pamatjik (Persatuan Mahasiswa Cikarang): Kak Dani, Kak Fuad, Kak Izul, Fuadi, Lazuardi (makasih atas doa dan dukungannya).
11. Manajemen dan para pengajar BTA Bogor: Mas Farid, Mba Nana, Mas Wahyu, dll (makasih atas semangat dan motivasinya).
12. Teman-teman Vila Bambu : Goni, Johan, Efi, Darda, Firman (terima kasih atas doanya). 13. Teman-teman Wisma Ayu : Mba Nidia, Nita, Rita, Anggi, Ika, Tyas, Yu’ni, dll (terima
kasih atas doanya).
Semoga karya ilmiah ini dapat bermanfaat bagi dunia ilmu pengetahuan khususnya Matematika dan menjadi inspirasi bagi penelitian-penelitian selanjutnya.
Bogor, Juni 2009
Bima Saputra
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 26 April 1987 sebagai anak ketiga dari tiga bersaudara, anak dari pasangan Mayunus dan Yusdeliwarni.
Tahun 1999 penulis lulus dari SDN Kampung Utan IV. Tahun 2002 penulis lulus dari SMPN 1 Cibitung. Tahun 2005 penulis lulus dari SMAN 1 Cikarang Utara dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur Ujian Saringan Masuk IPB (USMI). Penulis memilih Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti kegiatan perkuliahan, penulis aktif di dalam kegiatan mahasiswa yaitu sebagai anggota Departemen Pengembangan Sumber Daya Mahasiswa Gugus Mahasiswa Matematika (Gumatika) IPB periode 2007/2008. Penulis juga aktif sebagai panitia pada beberapa acara antara lain Masa Perkenalan Departemen tahun 2007 dan Pesta Sains Nasional 2007.
DAFTAR ISI
Halaman
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... viii
DAFTAR LAMPIRAN ... viii
I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Tujuan ... 1
II LANDASAN TEORI 2.1 Pemrograman Linear ... 1
2.2 Integer Programming (IP) ... 3
2.3 Metode Branch and Bound ... 3
III PEMODELAN ... ... 6
IV STUDI KASUS ... ... 8
V SIMPULAN DAN SARAN 5.1 Simpulan ... 16
5.2 Saran ... 16
DAFTAR PUSTAKA ... 16
DAFTAR TABEL
Halaman
1. Mata Pelajaran ... 8
2. Periode Waktu ... 8
3. Ruangan yang tersedia ... 9
4. Daftar Kelompok ... 9
5. Daftar Pengajar ... 9
6. Kelompok dan mata pelajaran yang ditentukan ... 10
7. Jadwal kegiatan belajar mengajar di BTA ... 13
8. Jadwal kegiatan belajar mengajar di BTA ... 14
DAFTAR GAMBAR
Halaman 1. Daerah fisibel untuk PL-relaksasi dari IP (6) ... 42. Daerah fisibel untuk Subproblem 2 dan Subproblem 3 ... 5
3. Seluruh pencabangan pada metode Branch-and-Bound untuk menentukan solusi optimum dari IP ... 6
DAFTAR LAMPIRAN
Halaman 1. Solusi subproblem-subproblem untuk Contoh 2 ... 182. Program untuk menyelesaikan masalah penjadwalan kegiatan belajar mengajar di lembaga bimbingan belajar BTA Bogor dengan proses pertama yaitu lokasi Jalan Gedung Sawah terlebih dahulu kemudian jadwal untuk Jalan Baru... 20
I PENDAHULUAN
1.1 Latar Belakang
Di setiap semester, beberapa tempat bimbingan belajar menghadapi permasalahan yang sama, yakni penjadwalan kegiatan belajar mengajar dengan kendala waktu luang siswa, pengajar, dan kapasitas ruangan yang terbatas. Pada setiap semester, banyaknya siswa yang mendaftar untuk mengikuti bimbingan belajar pada umumnya tidak selalu sama, sehingga menimbulkan permasalahan yang terkait dengan kapasitas ruangan. Oleh sebab itu, permasalahan ini harus dapat diatasi.
Permasalahan penjadwalan ruangan ini dapat dimodelkan sebagai masalah pemrograman linear integer/Integer Linear
Programming (ILP). ILP adalah masalah
optimisasi dengan fungsi objektif dan kendala yang linear serta variabel integer.
Tulisan ini akan membahas bagaimana memformulasikan masalah penjadwalan kegiatan belajar mengajar dalam bentuk ILP dengan mengambil contoh kasus di lembaga bimbingan belajar Bimbingan Tes Alumni (BTA) Bogor.
1.2 Tujuan
Tujuan dari karya ilmiah adalah memodelkan masalah penjadwalan kegiatan belajar mengajar di lembaga bimbingan belajar Bimbingan Tes Alumni (BTA) Bogor ke dalam bentuk ILP.
II LANDASAN TEORI
Untuk membuat model penjadwalan kegiatan belajar mengajar di bimbingan belajar, diperlukan pemahaman teori Linear
Programming (LP), Integer Linear Programming (ILP), dan Metode Branch and Bound untuk menyelesaikan masalah integer programming. Berikut ini akan dibahas satu
per satu.
2.1 Pemrograman Linear
Fungsi linear dan pertidaksamaan linear merupakan salah satu konsep dasar yang harus dipahami terkait dengan konsep pemrograman linear.
Definisi 1 (Fungsi Linear)
Suatu fungsi f(x1,x2,...,xn) dalam variabel-variabel x x1, 2,...,xn adalah suatu fungsi linear jika dan hanya jika untuk suatu himpunan konstanta c c1, 2,...,cn, . ... ) ,..., , (x1 x2 xn c1x1 c2x2 cnxn f (Winston, 2004) Sebagai gambaran, f x x( ,1 2)2x13x2
merupakan fungsi linear, sementara 2 2
1 2 1 2
( , )
f x x x x bukan fungsi linear.
Definisi 2 (Pertidaksamaan dan Persamaan Linear)
Untuk sembarang fungsi linear )
,..., , (x1 x2 xn
f dan sembarang bilangan b,
pertidaksamaan f(x1,x2,...,xn)b dan b x x x f( 1, 2,..., n) adalah pertidaksamaan linear.
Misalkan b sembarang bilangan, suatu persamaan f(x1,x2,...,xn)b merupakan persamaan linear.
(Winston, 2004)
Pemrograman linear (PL) atau linear
programming (LP) adalah suatu masalah
optimisasi yang memenuhi ketentuan-ketentuan sebagai berikut:
a) Tujuan masalah tersebut adalah memaksimumkan atau meminimumkan suatu fungsi linear dari sejumlah variabel
keputusan. Fungsi yang akan
dimaksimumkan atau diminimumkan ini disebut fungsi objektif.
b) Nilai variabel-variabel keputusannya harus memenuhi suatu himpunan kendala. Setiap kendala harus berupa persamaan linear atau pertidaksamaan linear.
c) Ada pembatasan tanda untuk setiap variabel dalam masalah ini. Untuk sembarang variabel xi, pembatasan tanda menentukan xi harus taknegatif (xi 0) atau tidak dibatasi tandanya (unrestricted
in sign).
Suatu PL mempunyai bentuk standar seperti yang didefinisikan sebagai berikut.
Definisi 3 (Bentuk Standar PL)
Suatu PL dikatakan berbentuk standar jika berbentuk:
min z c xT
terhadap Axb (1) x0
dengan x dan c berupa vektor berukuran n, vektor b berukuran m, sedangkan A berupa matriks berukuran m × n yang disebut juga matriks kendala.
[Nash & Sofer, 1996]
Sebagai catatan, yang dimaksud dengan vektor berukuran n adalah vektor yang memiliki dimensi (ukuran) n × 1.
Solusi Pemrograman Linear
Suatu masalah PL dapat diselesaikan dalam berbagai teknik, salah satunya adalah metode simpleks. Metode ini dapat menghasilkan suatu solusi optimum bagi masalah PL dan telah dikembangkan oleh Dantzig sejak tahun 1947, dan dalam perkembangannya merupakan metode yang paling umum digunakan untuk menyelesaikan PL. Metode ini berupa metode iteratif untuk menyelesaikan PL berbentuk standar.
Pada masalah PL (1), vektor x yang memenuhi kendala Axb disebut solusi PL (1). Misalkan matriks A dinyatakan sebagai
A B N , dengan B adalah matriks taksingular berukuran m m yang elemennya berupa koefisien variabel basis dan N merupakan matriks berukuran m(n m )
yang elemen-elemennya berupa koefisien variabel nonbasis pada matriks kendala. Dalam hal ini matriks B disebut matriks basis untuk PL (1).
Misalkan x dinyatakan sebagai vektor
B N x x
x , dengan xB adalah vektor variabel
basis dan xN adalah vektor variabel
nonbasis, maka Axb dapat dinyatakan sebagai
B N x Ax B N x . Bx + NxB Nb (2) Karena matriks B adalah matriks taksingular, maka B memiliki invers, sehingga dari (2)B
x dapat dinyatakan sebagai:
. -1 -1
B N
x B b B Nx (3) Kemudian, fungsi objektifnya berubah menjadi:
min z
=
T T.
B B N N
c x
+
c xDefinisi 4 (Solusi Basis)
Solusi dari suatu PL disebut solusi basis jika memenuhi syarat berikut:
i. solusi tersebut memenuhi kendala pada PL;
ii. kolom-kolom dari matriks kendala yang berpadanan dengan komponen taknol dari solusi tersebut adalah bebas linear.
(Nash & Sofer, 1996)
Definisi 5 (Solusi Basis Fisibel)
Vektor x disebut solusi basis fisibel jika x merupakan solusi basis dan x 0.
(Nash & Sofer, 1996)
Ilustrasi solusi basis dan solusi basis fisibel diberikan dalam Contoh 1.
Contoh 1
Misalkan diberikan PL berikut:
1 2
min z x 2x ,
(4)
Dari PL tersebut diperoleh:
. 2 1 1 0 0 2 1 2 0 1 0 , 7 1 0 0 0 1 3
A b Misalkan dipilih
1 2 3
dan
4 5
, T T x x x x x B N x xmaka matriks basisnya adalah
, , 2 1 1 0 0 1 1 2 0 0 1 / 2 1 / 2 1 0 0 1 1 / 2 3 / 2
-1 B B 0 0 1 0 0 1
N
1 2 0
,
0 0
. T T B N c cDengan menggunakan matriks basis tersebut, diperoleh 1 2 3 1 2 4 1 5 1 2 3 4 5 terhadap 2 2, 2 7, 3, , , , , 0. x x x x x x x x x x x x x
, 0 0 = 3 5 3 z = 13 T T T -1 B N B -1 x x B b c B b (5)Solusi (5) merupakan solusi basis, karena memenuhi kendala pada PL (4) dan kolom-kolom pada matriks kendala yang berpadanan dengan komponen taknol dari (5), yaitu B bebas linear (kolom yang satu bukan merupakan kelipatan dari kolom yang lain). Solusi (5) juga merupakan solusi basis fisibel, karena nilai-nilai variabelnya lebih dari atau sama dengan nol.
Hal yang juga penting dalam konsep pemrograman linear untuk model ini adalah daerah fisibel dan solusi optimum yang didefinisikan sebagai berikut.
Definisi 6 (Daerah Fisibel)
Daerah fisibel suatu PL adalah himpunan semua titik yang memenuhi semua kendala dan pembatasan tanda pada PL tersebut.
(Winston, 2004)
Definisi 7 (Solusi Optimum)
Untuk masalah maksimisasi, solusi optimum suatu PL adalah suatu titik dalam daerah fisibel dengan nilai fungsi objektif terbesar. Untuk masalah minimisasi, solusi optimum suatu PL adalah suatu titik dalam daerah fisibel dengan nilai fungsi objektif terkecil.
(Winston, 2004)
2.2 Integer Programming
Integer programming (IP) atau pemrograman integer adalah suatu model pemrograman linear dengan variabel yang digunakan berupa bilangan bulat (integer). Jika semua variabel harus berupa integer, maka masalah tersebut dinamakan pure
integer programming. Jika hanya sebagian
yang harus berupa integer, maka disebut
mixed integer programming (MIP). IP dengan
semua variabelnya harus bernilai 0 atau 1 disebut 0-1 IP.
(Garfinkel & Nemhauser, 1972)
Definisi 8 (Pemrograman Linear Relaksasi) Pemrograman linear relaksasi atau sering disebut PL-relaksasi merupakan suatu pemrograman linear yang diperoleh dari suatu IP dengan menghilangkan kendala integer atau kendala 0-1 pada setiap variabelnya.
Untuk masalah maksimisasi, nilai optimum fungsi objektif PL-relaksasi lebih
besar atau sama dengan nilai optimum fungsi objektif IP, sedangkan untuk masalah minimisasi, nilai optimum fungsi objektif PL-relaksasi lebih kecil atau sama dengan nilai optimum fungsi objektif IP.
(Winston, 2004)
2.3 Metode Branch-and-Bound
Dalam penulisan karya ilmiah ini, untuk memperoleh solusi optimum dari masalah IP digunakan software LINGO 8.0 yaitu sebuah program yang didesain untuk menentukan solusi model linear, nonlinear, dan optimisasi
integer dengan lebih cepat, mudah, dan lebih
efisien. Software LINGO 8.0 ini menggunakan metode branch and bound untuk menyelesaikan masalah IP.
Prinsip dasar metode branch and bound adalah memecah daerah fisibel dari masalah PL-relaksasi dengan membuat subproblem-subproblem. Daerah fisibel suatu pemrograman linear adalah daerah yang memuat titik-titik yang dapat memenuhi kendala linear masalah pemrograman linear.
Branch
Branching (pencabangan) adalah proses
membagi-bagi permasalahan menjadi subproblem-subproblem yang mungkin mengarah ke solusi.
Bound
Bounding (pembatasan) adalah suatu
proses untuk mencari atau menghitung batas atas (dalam masalah minimisasi) dan batas bawah (dalam masalah maksimisasi) untuk solusi optimum pada subproblem yang mengarah ke solusi.
Metode branch-and-bound diawali dari menyelesaikan PL-relaksasi dari suatu integer
programming. Jika semua nilai variabel
keputusan solusi optimum sudah berupa
integer, maka solusi tersebut merupakan
solusi optimum IP. Jika tidak, dilakukan pencabangan dan penambahan batasan pada PL-relaksasinya kemudian diselesaikan.
Winston (2004) menyebutkan bahwa nilai fungsi objektif optimum untuk IP nilai fungsi objektif optimum untuk PL-relaksasi (masalah maksimisasi), sehingga nilai fungsi objektif optimum PL-relaksasi merupakan batas atas bagi nilai fungsi objektif optimum untuk masalah IP. Diungkapkan pula dalam (Winston 2004) bahwa nilai fungsi objektif optimum untuk suatu kandidat solusi merupakan batas bawah nilai fungsi objektif optimum untuk masalah IP asalnya. Suatu
kandidat solusi diperoleh jika solusi dari suatu subproblem sudah memenuhi kendala integer pada masalah IP, artinya fungsi objektif dan semua variabelnya sudah bernilai integer.
Sebelumnya akan dibahas terlebih dulu pengertian subproblem yang terukur. Menurut Winston (2004), suatu subproblem dikatakan terukur (fathomed) jika terdapat situasi sebagai berikut.
1. Subproblem tersebut takfisibel, sehingga tidak dapat menghasilkan solusi optimum untuk IP.
2. Subproblem tersebut menghasilkan suatu solusi optimum dengan semua variabelnya bernilai integer. Jika solusi optimum ini mempunyai nilai fungsi objektif yang lebih baik daripada solusi fisibel yang diperoleh sebelumnya, maka solusi ini menjadi kandidat solusi optimum dan nilai fungsi objektifnya menjadi batas bawah nilai fungsi objektif optimum bagi masalah IP pada saat itu. Bisa jadi subproblem ini menghasilkan solusi optimum untuk masalah IP.
3. Nilai fungsi objektif optimum untuk subproblem tersebut tidak melebihi (untuk masalah maksimisasi) batas bawah saat itu, maka subproblem ini dapat dieliminasi.
Berikut ini adalah langkah-langkah penyelesaian suatu masalah maksimisasi dengan metode branch-and-bound.
Langkah 0
Didefinisikan z sebagai batas bawah dari nilai fungsi objektif (solusi) IP yang optimum. Pada awalnya ditetapkan z dan i0. Langkah 1
Subproblem PL dipilih sebagai bagian ( )i masalah berikutnya untuk diteliti. Subproblem
( )i
PL diselesaikan dan diukur dengan kondisi
yang sesuai.
a) Jika PL terukur, batas bawah z ( )i diperbarui jika solusi IP yang lebih baik ditemukan. Jika tidak, bagian masalah (subproblem) baru i dipilih dan langkah 1 diulangi. Jika semua subproblem telah diteliti, maka proses dihentikan.
b) Jika PL ( )i tidak terukur, proses dilanjutkan ke langkah 2 untuk melakukan pencabangan PL . ( )i
Langkah 2
Dipilih salah satu variabel xj yang nilai
optimumnya adalah x yang tidak memenuhi *j
batasan integer dalam solusi
PL
( )i . Bidang 1] [ ]
[x*j xj x*j disingkirkan dengan membuat dua subproblem PL yang berkaitan menjadi dua subproblem yang tidak dapat dipenuhi secara bersamaan, yaitu
*
[
]
j j
x
x
danx
j
[
x
*j] 1
, dengan [x*j] didefinisikan sebagai integer terbesar yang kurang dari atau sama dengan.
*
j
x Kembali ke langkah 1.
(Taha, 1996)
Untuk memudahkan pemahaman metode
branch-and-bound diberikan contoh sebagai
berikut.
Contoh 2
Misalkan diberikan IP berikut:
1 2, max z3x 5x 1 2 1 2 1 2 1 2 terhadap 2 4 25, 8, 2 10 , 0 , . x x x x x x x x integer (6)
Solusi optimum PL-relaksasi dari masalah IP (6) adalah x 1 8, x 2 2.25, dan
35.25
z (lihat pada Lampiran 1). Batas atas nilai optimum fungsi objektif masalah ini adalah z 35.25. Daerah fisibel masalah (6) ditunjukkan pada Gambar 1. Solusi optimum berada pada titik perpotongan dua garis yang berasal dari kendala pertidaksamaan masalah (6).
Gambar 1 Daerah fisibel (daerah yang diarsir) untuk PL-relaksasi dari IP (6).
x1= 8
x2= 2.25
Langkah berikutnya adalah memartisi daerah fisibel PL-relaksasi menjadi dua bagian berdasarkan variabel yang berbentuk pecahan (non-integer). Dipilih x2 sebagai
dasar pencabangan. Jika masalah PL-relaksasi diberi nama Subproblem 1, maka pencabangan tersebut menghasilkan 2 subproblem, yaitu:
Subproblem 2: Subproblem 1 ditambah kendala x 2 2.
Subproblem 3: Subproblem 1 ditambah kendala x ; 2 3
Hal ini diilustrasikan secara grafis pada Gambar 2.
Gambar 2 Daerah fisibel untuk Subproblem 2 dan Subproblem 3.
Setiap titik (solusi) fisibel dari IP (6) termuat dalam daerah fisibel Subproblem 2 atau Subproblem 3. Setiap subproblem ini saling lepas. Subproblem 2 dan Subproblem 3 dikatakan dicabangkan oleh x2.
Sekarang dipilih subproblem yang belum diselesaikan. Misalkan dipilih Subproblem 2, kemudian diselesaikan. Solusi optimum untuk Subproblem 2 ini adalah x1 = 8, x2 = 2, dan z =
34 (lihat Lampiran 1). Semua variabel bernilai
integer (solusinya memenuhi kendala bilangan bulat), maka tidak perlu dilakukan pencabangan di Subproblem 2. Solusi dari Subproblem 2 menjadi batas bawah dari solusi IP yaitu sama dengan 34.
Saat ini subproblem yang belum diselesaikan adalah Subproblem 3. Solusi optimum untuk Subproblem 3 adalah x1 = 6.5,
x2 = 3, dan z = 34.5 (lihat Lampiran 1).
Karena solusi optimum yang dihasilkan
Subproblem 3 bukan solusi integer, maka dipilih pencabangan pada Subproblem 3 atas
1,
x sehingga diperoleh dua subproblem lagi, yakni:
Subproblem 4: Subproblem 3 ditambah kendala x 1 6;
Subproblem 5: Subproblem 3 ditambah kendala x 1 7.
Selesaikan masalah Subproblem 4 dan Subproblem 5 satu per satu. Subproblem 5 takfisibel (lihat Lampiran 1 pada Subproblem 5), maka subproblem ini tidak dapat menghasilkan solusi optimum.
Solusi optimum untuk Subproblem 4 adalah x1 = 6, x2 = 3.25, dan z = 34.25 (lihat
Lampiran 1 bagian Subproblem 4). Karena solusi optimum Subproblem 4 bukan solusi
integer, maka dipilih pencabangan Subproblem 4 pada x2, sehingga diperoleh dua
subproblem lagi, yaitu:
Subproblem 6: Subproblem 4 + kendala
x2 3
Subproblem 7: Subproblem 4 + kendala
x2 4
Penyelesaian Subproblem 6 menghasilkan solusi optimum x1 = 6, x2 = 3, dan z = 33 (lihat
Lampiran 1 bagian Subproblem 6). Semua variabel bernilai integer (solusinya memenuhi kendala integer), akan tetapi solusi yang dihasilkan pada subproblem ini tidak lebih baik dari batas bawah sehingga solusi pada Subproblem 6 tidak menjadi batas bawah yang baru.
Solusi optimum dari Subproblem 7 adalah
x1 = 4.5, x2 = 4, dan z = 33.5 (lihat Lampiran 1
bagian Subproblem 7). Karena solusi optimum dari Subproblem 7 tidak lebih baik dari batas bawah, maka tidak perlu dilakukan pencabangan pada Subproblem 7.
Subproblem 2 menghasilkan solusi optimum yang berupa integer, dengan x1 = 8,
x2 = 2, dan z = 34. Solusi optimum dari
Subproblem 2 telah berupa integer dan tidak perlu lagi dilakukan pencabangan. Dengan demikian, solusi optimum pada IP (6) adalah solusi optimum dari Subproblem 2. Pohon pencabangan yang menunjukkan penyelesaian masalah IP (6) secara keseluruhan ditunjukkan pada Gambar 3.
Subproblem 2 Subproblem 3
Gambar 3 Seluruh pencabangan pada metode Branch-and-Bound untuk menentukan solusi optimum dari IP.
III PEMODELAN
Langkah awal membangun model penjadwalan kegiatan belajar mengajar dengan kendala waktu luang siswa, ruangan, dan pengajar adalah mendeskripsikan masalah tersebut dengan jelas dan lengkap. Selanjutnya, masalah tersebut diformulasikan dalam bentuk ILP yang siap diselesaikan dengan metode yang sesuai.
Pemodelan masalah ini dibuat berdasarkan ketersediaan ruangan yang dapat digunakan untuk kegiatan belajar mengajar (KBM), kemudian waktu yang diatur setiap harinya dalam periode enam hari (Senin s.d. Sabtu) dengan sejumlah mata pelajaran yang akan dijadwalkan serta pengajar yang mengajar sesuai dengan bidangnya.
Untuk memformulasikan masalah tersebut ke dalam ILP tentunya diperlukan beberapa asumsi, di antaranya adalah:
1. setiap kelompok menentukan sendiri mata pelajaran yang ingin dipelajari dalam seminggu,
2. setiap kelompok memberikan pola belajar mereka, yaitu 2 jam per hari dan tiga kali per minggu: Senin – Rabu – Jumat ataukah Selasa – Kamis – Sabtu,
3. setiap kelompok memberikan waktu luang pada siang ataukah sore hari,
4. setiap pengajar tidak mengajar pada lokasi yang berbeda dalam setiap harinya.
Variabel-variabel yang digunakan:
si
I = waktu siang hari pada dua pola belajar
so
I = waktu sore hari pada dua pola belajar
si
N = kelompok dengan waktu siang hari pada dua pola belajar
so
N = kelompok dengan waktu sore hari pada dua pola belajar
sks
I = waktu pada pola belajar Selasa– Kamis–Sabtu
srj
I = waktu pada pola belajar Senin– Rabu–Jumat
sks
N = kelompok dengan waktu pada pola belajar Selasa–Kamis–Sabtu
srj
N = kelompok dengan waktu pada pola belajar Senin–Rabu–Jumat
jb
K = ruangan Jalan Baru
gs
N = kelompok dengan ruangan Gedung Sawah Subproblem 1 x1 = 8, x2 = 2.25 dan z = 35.25 Subproblem 3 x1 = 6.5, x2 = 3 dan z = 34.5 2 4 x 2 3 x 1 6 x 1 7 x 2 3 x 2 2 x Subproblem 3 Subproblem 2 x1 = 8, x2 = 2 dan z = 34 Subproblem 4 x1 = 6, x2 = 3.25 dan z = 34.25 Subproblem 5 Solusi takfisibel Subproblem 7 x1 = 4.5, x2 = 4 dan z = 33.5 Subproblem 6 x1 = 6, x2 = 3 dan z = 33
gs
K = ruangan Gedung Sawah
jb
N = kelompok dengan ruangan Jalan Baru
kt
K = ruangan dengan kapasitas terbatas
rt
N = kelompok yang bisa pada ruangan tertentu
mt
N = kelompok di mana mata pelajaran yang telah mereka tentukan tidak terjadwalkan
ms
J = mata pelajaran yang bukan spesialisasi dari pengajar
tm
P = pengajar yang tidak dapat mengajar pada periode waktu tertentu
pt
I = waktu di mana pengajar tidak dapat mengajar
Selain itu, diperlukan pula pendefinisian suatu variabel keputusan:
1 ; jik a m a ta p elajaran d iselen g g arak an p a d a w ak tu d alam ru a n g u n tu k k e lo m p o k d en g an p en g ajar 0 ; selain n ya = ijkn p j i k n p x
Karena tujuan utama adalah mencari solusi penjadwalan terbaik dengan waktu luang siswa dan ruangan dengan kapasitas terbatas serta pengajar yang sesuai dengan bidangnya, maka fungsi objektif dari permasalahan ini adalah memaksimumkan variabel keputusan yang dimodelkan sebagai berikut:
max
i j k n p ijknp
x
dengan kendala-kendala sebagai berikut:
1. Dalam setiap pola belajar, suatu kelompok belajar sore hari tidak boleh belajar siang hari.
0
,
i j k n p si so ijknp I n Ni
x
2. Dalam setiap pola belajar, suatu kelompok belajar siang hari tidak boleh belajar sore hari. 0 , i j k n p so si ijknp n N i I
x
3. Suatu kelompok hanya belajar di satu tempat, Gedung Sawah atau Jalan Baru. a. Ruang 1-4 (Gedung Sawah)
, 0 i j k n p jb gs ijknp k K n N
x
b. Ruang 5-8 (Jalan Baru)
, 0 i j k n p gs jb ijknp k K n N
x
4. Keterbatasan kapasitas ruangan yang tersedia di bimbingan belajar sesuai dengan banyaknya siswa di setiap kelompoknya. 0 , i j k n p rt kt ijknp n N k K
x
5. Setiap kelompok hanya belajar dengan satu pola belajar.
, 0 i j k n p sks srj ijknp i I n N
x
, 0 i j k n p srj sks ijknp i I n Nx
6. Paling banyak satu mata pelajaran dengan satu kelompok diselenggarakan dalam suatu ruangan, suatu waktu, dan suatu periode. 1, , i k p ijknp j n
x
7. Paling banyak satu mata pelajaran dengan suatu waktu diselenggarakan dalam suatu ruangan, suatu kelompok, dan seorang pengajar. 1, , k n p ijknp i j
x
8. Paling banyak satu ruangan dengan suatu waktu digunakan dalam suatu kelompok, suatu mata pelajaran, dan seorang pengajar. 1, , j n p ijknp i k
x
9. Paling banyak satu kelompok dengan suatu waktu diselenggarakan dalam suatu ruangan, suatu mata pelajaran, dan seorang pengajar. 1, , k n p i n ijknp x
10. Ada beberapa mata pelajaran yang tidak dijadwalkan, yaitu selain mata pelajaran
yang mereka tentukan dalam
seminggunya. 0 , i k n p mt ijknp n N j
x
11. Setiap pengajar tidak mengajarkan mata pelajaran yang bukan spesialisasinya.
0 , i j k n ms ijknp j J p
x
12. Sebagian besar pengajar tidak dapat mengajar pada periode waktu tertentu.
0 , i j k n p tm pt ijknp p P i I
x
13. Semua variabel keputusan bernilai nol atau satu. , , , ,
{0,1} ;
ijknp i j k n px
IV STUDI KASUS
Masalah yang akan dicontohkan di siniadalah masalah penjadwalan kegiatan belajar mengajar di lembaga bimbingan belajar Bimbingan Tes Alumni Bogor (BTA Bogor). Hal yang perlu diperhatikan adalah ketersediaan ruangan yang memiliki kapasitas berbeda. Pada saat ini, lembaga bimbingan belajar BTA Bogor mengasuh 13 mata pelajaran, dengan 79 pengajar, dan 14 ruangan, serta 27 kelompok bimbingan yang terdaftar. Akan tetapi, dalam studi kasus ini hanya diambil sebagian saja.
Mata pelajaran yang diambil dalam studi kasus ini ada 13 mata pelajaran dan setiap siswa akan mendapatkan materi sesuai tingkatannya masing-masing (Tabel 1).
Kegiatan belajar mengajar ini dilakukan enam hari dalam seminggu, yang setiap harinya dibagi menjadi dua waktu dengan sejumlah mata pelajaran yang dijadwalkan. Pertama, waktu siang hari pada pukul 14.25-16.25 WIB. Kedua, waktu sore hari pada pukul 16.30-18.30 WIB (Tabel 2). Kemudian lembaga bimbingan belajar BTA membagi waktu pertemuannya menjadi tiga kali dalam
setiap minggunya yaitu Senin - Rabu - Jumat dan Selasa - Kamis - Sabtu, setiap pertemuan hanya dua jam belajar.
Banyaknya siswa dalam setiap kelompok tidak melebihi kapasitas ruangan yang tersedia (Tabel 3). Lembaga bimbingan belajar BTA memiliki dua cabang yaitu cabang Jalan Gedung Sawah dan cabang Jalan Baru (Tabel 3). Apabila seseorang mendaftar di Jalan Gedung Sawah maka ruangan belajarnya di Jalan Gedung Sawah begitu juga untuk di Jalan Baru.
Dalam studi kasus ini juga hanya diambil 16 kelompok belajar yang terdiri dari beberapa tingkatan yaitu kelas 6 SD sampai XII SMA baik IPA maupun IPS dengan waktu luang mereka serta banyaknya siswa dalam setiap kelompok (Tabel 4). Kemudian pada studi kasus ini banyaknya pengajar ada 15 yang mengajar sesuai dengan bidangnya (Tabel 5). Dari ke-16 kelompok tersebut mereka telah menentukan mata pelajaran yang akan mereka pelajari dalam setiap minggunya (Tabel 6).
Tabel 1 Mata Pelajaran Indeks (j) Mata Pelajaran
1 Matematika 2 Ekonomi 3 Bahasa Indonesia 4 Bahasa Inggris 5 IPA 6 IPS 7 Agama 8 Kimia 9 Fisika 10 Biologi 11 Geografi 12 Sosiologi 13 Sejarah
Tabel 2 Periode Waktu Indeks (i) Hari Waktu
1 Senin Siang 2 Sore 3 Selasa Siang 4 Sore 5 Rabu Siang 6 Sore 7 Kamis Siang 8 Sore 9 Jumat Siang 10 Sore 11 Sabtu Siang 12 Sore
Tabel 3 Ruangan yang tersedia
Indeks (k) Kapasitas Tempat/lokasi
1 10 Jalan Gedung Sawah
2 7 Jalan Gedung Sawah
3 5 Jalan Gedung Sawah
4 5 Jalan Gedung Sawah
5 10 Jalan Baru
6 5 Jalan Baru
7 5 Jalan Baru
8 4 Jalan Baru
Tabel 4 Daftar Kelompok
Indeks (n) Kelompok Tingkat Waktu Luang (Jam Kosong)
Banyaknya
Siswa Tempat/ lokasi
1 Aritmatika XII IPA Sore 10 Jalan Gedung Sawah
2 Vektor XII IPA Siang 7 Jalan Gedung Sawah
3 Geometri XII IPA Sore 5 Jalan Gedung Sawah
4 Matriks XII IPA Siang 10 Jalan Gedung Sawah
5 Median XII IPA Sore 2 Jalan Baru
6 Valas XII IPS Siang 5 Jalan Gedung Sawah
7 Fiskal XII IPS Sore 5 Jalan Gedung Sawah
8 Monetary XII IPS Sore 4 Jalan Baru
9 Mikro XII IPS Siang 4 Jalan Baru
10 Teuku Umar IX SMP Sore 7 Jalan Gedung Sawah
11 Hasanudin IX SMP Siang 5 Jalan Gedung Sawah
12 Diponegoro IX SMP Sore 3 Jalan Baru
13 Sudirman IX SMP Siang 2 Jalan Baru
14 Mawar VIII SMP Siang 5 Jalan Gedung Sawah
15 Grape VI SD Sore 5 Jalan Gedung Sawah 16 Banana VI SD Sore 4 Jalan Baru
Tabel 5 Daftar Pengajar
Indeks (p) Nama Pengajar Spesialisasi pengajar Tidak bisa mengajar pada hari:
1 Fajriansyah Matematika Kamis
2 Cut Yuni Ekonomi Kamis
3 Purwatiningsih Bahasa Indonesia Rabu
4 Andry Bahasa Inggris Sabtu
5 Diana Novalia IPA -
6 Siti Sholihat IPS Senin
7 Ardhy Agama Rabu
8 Abdul Gani Kimia Selasa
9 Mardanih Fisika Kamis
Lanjutan Tabel 5
Indeks (p) Nama Pengajar Spesialisasi pengajar Tidak bisa mengajar pada hari:
11 Rully Budiman Geografi Sabtu
12 Latifah Sulton Sosiologi Selasa
13 Siti Nurhasanah Sejarah Kamis
14 Dadi Mulyadi Matematika Jumat
15 Rini Rustiani Bahasa Indonesia Selasa
Tabel 6 Kelompok dan mata pelajaran yang ditentukan
Indeks (n) Kelompok Mata pelajaran yang mereka tentukan
1 Aritmatika Fisika Kimia Matematika
2 Vektor Matematika Bahasa Indonesia Kimia
3 Geometri Biologi Matematika Bahasa Indonesia
4 Matriks Biologi Kimia Fisika
5 Median Biologi Fisika Kimia
6 Valas Bahasa Inggris Geografi Sosiologi
7 Fiskal Ekonomi Geografi Sejarah
8 Monetary Ekonomi Sosiologi Sejarah
9 Mikro Ekonomi Geografi Sejarah
10 Teuku Umar IPA IPS Bahasa Inggris
11 Hasanudin IPA IPS Bahasa Inggris
12 Diponegoro IPA Bahasa Indonesia Matematika 13 Sudirman Agama Bahasa Indonesia Matematika
14 Mawar IPA IPS Agama
15 Grape Bahasa Inggris Matematika Bahasa Indonesia 16 Banana Matematika IPS Agama
Untuk memformulasikan ILP, peubah
ijknp
x
didefinisikan pada setiap periode waktu i = 1, 2, …, 12, mata pelajaran j = 1, 2, …, 13, ruangan k = 1, 2, …, 8, kelompokn = 1, 2, …, 16, pengajar p = 1, 2, …, 15.
Sehingga masalahnya dapat diformulasikan dalam ILP berikut:
max
i j k n p ijknp
x
dengan kendala :
1. Dalam setiap pola belajar, suatu kelompok belajar sore hari tidak boleh belajar siang hari. Untuk i 1,3,5, 7,9,11,dan 1, 3, 5, 7,8,10,12,15,16 : n 0 j k p ijknp
x
Banyaknya kendala pertama adalah 54.
2. Dalam setiap pola belajar, suatu kelompok belajar siang hari tidak boleh belajar sore hari. Untuk i 2, 4, 6,8,10,12,dan 2, 4, 6, 9,11,13,14 : n 0 j k p ijknp
x
Banyaknya kendala kedua adalah 42. 3. Suatu kelompok hanya belajar di satu
tempat, Jalan Gedung Sawah atau Jalan Baru.
a. Ruang 1-4 (Jalan Gedung Sawah) Untukk 5, 6, 7,8,dan 1, 2, 3, 4, 6, 7,10,11,14,15 : n 0 i j p ijknp
x
b. Ruang 5-8 (Jalan Baru) Untukk 1, 2, 3, 4,dan 5, 8, 9,12,13,16 : n 0 i j p ijknp
x
Banyaknya kendala ketiga adalah 64. 4. Keterbatasan kapasitas ruangan yang
tersedia di BTA sesuai dengan banyaknya siswa di setiap kelompoknya.
Untuk n 1, 4, dan k 2, 3, 4 : 0 i j p ijknp
x
Untuk n 2,10, dan k 1, 3, 4 : 0 i j p ijknpx
Untuk n 3, 6, 7,11,14,15, dan k 1, 2 : 0 i j p ijknpx
Untuk n5,8,9,12,13,16, dank1, 2,3, 4 : 0 i j p ijknpx
Banyaknya kendala keempat adalah 48. 5. Setiap kelompok hanya belajar dengan
satu pola belajar.
Untuk n 2, 4,5,...,8,11,12,15,16,dan 3, 4, 7, 8,11,12 : i 0 j k p ijknp x
Untuk n 1,3,9,10,13,14,dan 1, 2, 5, 6, 9,10 : i 0 j k p ijknpx
Banyaknya kendala ke-5 adalah 96. 6. Paling banyak satu mata pelajaran dengan
satu kelompok diselenggarakan dalam suatu ruangan, suatu waktu, dan suatu periode. 1 i k p ijknp
x
Untuk j 1, 2, ...,13,dan n 1, 2,...,16. Banyaknya kendala ke-6 adalah 208. 7. Paling banyak satu mata pelajaran dengansuatu waktu diselenggarakan dalam suatu ruangan, suatu kelompok dan seorang pengajar. 1 k n p ijknp
x
Untuk i 1,2,...,12, dan j 1,2,...,13. Banyaknya kendala ke-7 adalah 156. 8. Paling banyak satu ruangan dengan suatuwaktu digunakan dalam suatu kelompok, suatu mata pelajaran, dan seorang pengajar. 1 j n p ijknp
x
Untuk i 1,2,...,12, dan k 1,2, ...,8.Banyaknya kendala ke-8 adalah 96. 9. Paling banyak satu kelompok dengan
suatu waktu diselenggarakan dalam suatu ruangan, suatu mata pelajaran, dan seorang pengajar. 1 k j p ijknp
x
Untuk i 1,2,...,12, dan n 1,2,...,16. Banyaknya kendala ke-9 adalah 192. 10. Ada beberapa mata pelajaran yang tidakdijadwalkan, yaitu selain mata pelajaran
yang mereka tentukan dalam
seminggunya. Untuk j 1,dan n 4,5,...,11,14: 0 i k p ijknp
x
Untuk j 2,dan 1,2,...,6,10,11,...16: n 0 i k p ijknpx
Untuk j 3,dan n 1,4,5,...,11,14,16: 0 i k p ijknpx
Untuk j 4,dan 1,2,...,5,7,8,9,12,13,14,16: n 0 i k p ijknpx
Untuk j 5,dann 1,2,...,9,13,15,16: 0 i k p ijknpx
Untuk j 6,dan 1,2,...,9,12,13,15: n 0 i k p ijknpx
Untuk j 7,dan n 1,2,...,12,15: 0 i k p ijknpx
Untuk j 8,dan n 3,6,7,...,16: 0 i k p ijknpx
Untuk j 9,dan n 2, 3,6,7,...,16: 0 i k p ijknpx
Untuk j 10,dan n 1,2,6,7,...,16: 0 i k p ijknpx
Untuk j 11,dan 1, 2,...,5,8,10,11,...,16: n 0 i k p ijknpx
Untuk j 12,dan 1, 2,...,5,7,9,10,...,16: n 0 i k p ijknp
x
Untuk j 13,dan 1,2,...,6,10,11,...,16: n 0 i k p ijknpx
Banyaknya kendala ke-10 adalah 160. 11. Setiap pengajar tidak mengajarkan mata
pelajaran yang bukan spesialisasinya. Untuk j 2,3,...,13,danp 1,14: 0 i k n ijknp
x
Untuk j 1,2,3,...,13,danp 2 : 0 i k n ijknpx
Untuk j 1,2,4,5,...,13,danp 3,15 : 0 i k n ijknpx
Untuk j 1,2,3,5,6,...,13,danp 4 : 0 i k n ijknpx
Untuk j 1,2,...,4,6,7,...,13,dan 5 : p 0 i k n ijknpx
Untuk j 1,2,...,5,7,8,...,13,dan 6 : p 0 i k n ijknpx
Untuk j 1,2,...,6,8,9,...,13,dan 7 : p 0 i k n ijknpx
Untuk j 1,2,...,7,9,10,...,13,dan 8 : p 0 i k n ijknpx
Untuk j 1,2,...,8,10,11,...,13,dan 9 : p 0 i k n ijknpx
Untuk j 1,2,...,9,11,12,13,dan 10 : p 0 i k n ijknpx
Untuk j 1,2,...,10,12,13,danp 11: 0 i k n ijknpx
Untuk j = 1,2,...,11,13,danp 12 : 0 i k n ijknpx
Untuk j 1,2,...,12,danp 13 : 0 i k n ijknpx
Banyaknya kendala ke-11 adalah 156. 12. Sebagian besar pengajar tidak dapat
mengajar pada waktu tertentu. Untuk i 7,8,danp 1, 2, 9,13 : 0 j k n ijknp x
Untuk i 5, 6,danp 3, 7 : 0 j k n ijknp x
Untuk i 11,12,danp 4,11 : 0 j k n ijknp x
Untuk i 1, 2,danp 6 : 0 j k n ijknp x
Untuk i 3, 4,danp 8,10,12,15 : 0 j k n ijknp x
Untuk i 9,10,danp 14 : 0 j k n ijknp x
Banyaknya kendala ke-12 adalah 28. 13. Semua variabel keputusan bernilai nol atau
satu.
, , , ,
{0,1} ;
ijknp i j k n p
Pada uraian tersebut, terlihat bahwa banyak sekali persamaan maupun pertidaksamaan yang harus diselesaikan. Dalam hal ini sulit jika digunakan metode
branch and bound secara manual. Masalah di
atas selanjutnya diselesaikan dengan menggunakan LINGO 8.0.
Dari asumsi 4 diketahui bahwa setiap pengajar tidak mengajar pada lokasi yang berbeda setiap harinya. Dalam hal ini, proses
runningnya dilakukan dengan dua cara. Cara
pertama, ditentukan jadwal untuk lokasi Jalan Gedung Sawah terlebih dahulu kemudian jadwal untuk Jalan Baru (Lampiran 2). Dengan cara serupa, dapat ditentukan jadwal untuk Jalan Baru terlebih dahulu kemudian jadwal Jalan Gedung Sawah. Hasil proses pertama bisa dilihat pada Tabel 7, sedangkan
proses kedua bisa dilihat pada Tabel 8. Dari kedua proses tersebut nilai total fungsi objektif maksimumnya sama yaitu 48 yang menunjukkan bahwa banyaknya penjadwalan maksimum pada masing-masing proses ada 48 jadwal. Total waktu yang dibutuhkan untuk mendapatkan solusi dari proses pertama adalah 1 menit 4 detik didapat pada iterasi total ke 66, sedangkan untuk proses kedua 1 menit 3 detik didapat pada iterasi total ke 57.
Komputer yang digunakan untuk melakukan proses ini adalah processor komputer 1.34 GHz dengan kecepatan memori RAM 512 MB. Hasil komputasi tidak semuanya dicantumkan, karena terlalu banyak. Hasil yang dicantumkan hanya untuk
x yang bernilai satu saja.
Tabel 7 Jadwal kegiatan belajar mengajar di BTA
No Hari Waktu Mata pelajaran Ruangan Kelompok Pengajar 1
Senin
Siang Bahasa Indonesia 2 Vektor Purwatiningsih
2 Siang IPA 4 Hasanudin Diana Novalia
3 Siang Kimia 1 Matriks Abdul Gani
4 Siang Bahasa Inggris 3 Valas Andry
5 Sore Bahasa Indonesia 4 Grape Rini Rustiani
6 Sore Ekonomi 3 Fiskal Cut Yuni
7 Sore Matematika 5 Diponegoro Dadi Mulyadi
8 Sore Agama 8 Banana Ardhy
9 Sore Biologi 6 Median Adisti
10 Sore Sejarah 7 Monetary Siti Nurhasanah
11
Selasa
Siang Matematika 5 Sudirman Fajriansyah
12 Siang Ekonomi 6 Mikro Cut Yuni
13 Siang IPA 3 Mawar Diana Novalia
14 Sore Matematika 1 Aritmatika Dadi Mulyadi
15 Sore Bahasa Indonesia 3 Geometri Purwatiningsih
16 Sore Bahasa Inggris 2 Teuku Umar Andry
17
Rabu
Siang Geografi 4 Valas Rully Budiman
18 Siang Bahasa Inggris 3 Hasanudin Andry
19 Siang Matematika 2 Vektor Dadi Mulyadi
20 Siang Fisika 1 Matriks Mardanih
21 Sore Bahasa Indonesia 6 Diponegoro Rini Rustiani
22 Sore Sosiologi 5 Monetary Latifah Sulton
23 Sore Matematika 3 Grape Rini Rustiani
24 Sore IPS 7 Banana Siti Sholihat
25 Sore Kimia 8 Median Abdul Gani
Lanjutan Tabel 7
No Hari Waktu Mata pelajaran Ruangan Kelompok Pengajar 27
Kamis
Siang Agama 8 Sudirman Ardhy
28 Siang IPS 3 Mawar Siti Sholihat
29 Siang Geografi 6 Mikro Rully Budiman
30 Sore Biologi 3 Geometri Adisti
31 Sore IPA 2 Teuku Umar Diana Novalia
32 Sore Kimia 1 Aritmatika Abdul Gani
33
Jumat
Siang Kimia 2 Vektor Abdul Gani
34 Siang IPS 3 Hasanudin Siti Sholihat
35 Siang Biologi 1 Matriks Adisti
36 Siang Geografi 4 Valas Rully Budiman
37 Sore Matematika 5 Banana Fajriansyah
38 Sore Bahasa Inggris 3 Grape Andry
39 Sore IPA 7 Diponegoro Diana Novalia
40 Sore Fisika 8 Median Mardanih
41 Sore Sejarah 4 Fiskal Siti Nurhasanah
42 Sore Ekonomi 6 Monetary Cut Yuni
43
Sabtu
Siang Bahasa Indonesia 8 Sudirman Rini Rustiani
44 Siang Agama 3 Mawar Ardhy
45 Siang Sejarah 5 Mikro Siti Nurhasanah
46 Sore IPS 2 Teuku Umar Siti Sholihat
47 Sore Fisika 1 Aritmatika Mardanih
48 Sore Matematika 3 Geometri Dadi Mulyadi
Tabel 8 Jadwal kegiatan belajar mengajar di BTA
No Hari Waktu Mata pelajaran Ruangan Kelompok Pengajar 1
Senin
Siang Bahasa Indonesia 2 Vektor Purwatiningsih
2 Siang IPA 3 Hasanudin Diana Novalia
3 Siang Biologi 1 Matriks Adisti
4 Siang Bahasa Inggris 3 Valas Andry
5 Sore Bahasa Indonesia 3 Grape Purwatiningsih
6 Sore Sejarah 4 Fiskal Siti Nurhasanah
7 Sore Bahasa Indonesia 7 Diponegoro Rini Rustiani
8 Sore Matematika 5 Banana Dadi Mulyadi
9 Sore Kimia 8 Median Abdul Gani
10 Sore Ekonomi 6 Monetary Cut Yuni
11
Selasa
Siang Matematika 5 Sudirman Dadi Mulyadi
12 Siang Ekonomi 6 Mikro Cut Yuni
13 Siang IPA 3 Mawar Diana Novalia
14 Sore Matematika 1 Aritmatika Fajriansyah
15 Sore Bahasa Indonesia 3 Geometri Purwatiningsih
Lanjutan Tabel 8
No Hari Waktu Mata pelajaran Ruangan Kelompok Pengajar 17
Rabu
Siang Geografi 4 Valas Rully Budiman
18 Siang Bahasa Inggris 3 Hasanudin Andry
19 Siang Matematika 2 Vektor Fajriansyah
20 Siang Kimia 1 Matriks Abdul Gani
21 Sore Matematika 5 Diponegoro Dadi Mulyadi
22 Sore Sosiologi 8 Monetary Latifah Sulton
23 Sore Matematika 4 Grape Fajriansyah
24 Sore IPS 6 Banana Siti Sholihat
25 Sore Fisika 7 Median Mardanih
26 Sore Ekonomi 3 Fiskal Cut Yuni
27
Kamis
Siang Bahasa Indonesia 5 Sudirman Rini Rustiani
28 Siang Agama 3 Mawar Ardhy
29 Siang Geografi 6 Mikro Rully Budiman
30 Sore Biologi 3 Geometri Adisti
31 Sore IPA 2 Teuku Umar Diana Novalia
32 Sore Kimia 1 Aritmatika Abdul Gani
33
Jumat
Siang Kimia 2 Vektor Abdul Gani
34 Siang IPS 3 Hasanudin Siti Sholihat
35 Siang Fisika 1 Matriks Mardanih
36 Siang Sosiologi 4 Valas Latifah Sulton
37 Sore Agama 6 Banana Ardhy
38 Sore Bahasa Inggris 3 Grape Andry
39 Sore IPA 5 Diponegoro Diana Novalia
40 Sore Biologi 7 Median Adisti
41 Sore Geografi 4 Fiskal Rully Budiman
42 Sore Sejarah 8 Monetary Siti Nurhasanah
43
Sabtu
Siang Agama 5 Sudirman Ardhy
44 Siang IPS 3 Mawar Siti Sholihat
45 Siang Sejarah 6 Mikro Siti Nurhasanah
46 Sore IPS 2 Teuku Umar Siti Sholihat
47 Sore Fisika 1 Aritmatika Mardanih
V SIMPULAN DAN SARAN
5.1 Simpulan
Masalah penjadwalan kegiatan belajar mengajar merupakan hal penting dalam proses belajar mengajar di bimbingan belajar. Hal ini dialami oleh lembaga bimbingan belajar BTA Bogor pada khususnya dan lembaga bimbingan belajar lain pada umumnya.
Dalam penulisan ini telah diperlihatkan bahwa masalah penjadwalan kegiatan belajar mengajar di BTA Bogor dapat dipandang sebagai masalah Integer Linear Programming. Penyelesaian masalah ini menggunakan
software LINGO 8.0 dengan metode Branch and Bound. Hasil yang diperoleh yaitu jadwal
kegiatan belajar mengajar di lembaga bimbingan belajar BTA Bogor dengan penyederhanaan yaitu banyaknya kelompok hanya 16 (kurang dari banyaknya kelompok yang sebenarnya) yang memenuhi semua kendala yang ada, dengan nilai total fungsi objektif 48.
Keuntungan dari penyelesaian masalah ini adalah memungkinkan pengguna untuk mengontrol atau menambahkan kendala dengan bebas. Sebagai contoh, jika bimbingan belajar BTA Bogor menginginkan keadaan bahwa pengajar merupakan pengajar fulltime, maka kendala waktu harus dihilangkan. Perubahan yang lain sangat mungkin untuk dilakukan.
5.2 Saran
Pada tulisan ini telah dibahas penjadwalan kegiatan belajar mengajar di BTA Bogor dengan penyederhanaan yaitu kelompok yang sedikit. Akan lebih baik lagi jika ada yang dapat menindaklanjuti penelitian ini dengan masalah yang lebih kompleks lagi, misalnya penjadwalan kegiatan belajar mengajar di lembaga bimbingan belajar selama satu semester atau membuat software yang dapat mengaplikasikan model ini.
DAFTAR PUSTAKA
Garfinkel, R.S. & G.L. Nemhauser. 1972.
Integer Programming. John Willey &
Sons, New York.
Nash, S. G. and Sofer. A. 1996. Linear and
Nonlinear Programming. McGraw-Hill,
New York.
Ng PH, Martin LM. 2002. Classroom Schedulling Problems: A Discrete Optimization Approach. The UMAP Journal 23(1):57-66.
Taha, H.A. 1975. Integer Programming. Academic Press, New York.
Taha, H.A. 1996. Pengantar Riset Operasi. Alih Bahasa: Drs. Daniel Wirajaya. Binarupa Aksara, Jakarta. Terjemahan dari: Operations Research.
Winston, W.L. 2004. Operations Research
Applications and Algorithms 4th ed.
Lampiran 1 Solusi subproblem-subproblem untuk Contoh 2 Subproblem 1. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 35.25000
VARIABLE VALUE REDUCED COST X1 8.000000 0.000000 X2 2.250000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 1.250000 3) 0.000000 0.500000 4) 5.500000 0.000000 5) 8.000000 0.000000 6) 2.250000 0.000000 NO. ITERATIONS= 3 Subproblem 2. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X2 <= 2 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 34.00000
VARIABLE VALUE REDUCED COST
X1 8.000000 0.000000 X2 2.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 1.000000 0.000000 3) 0.000000 3.000000 4) 6.000000 0.000000 5) 0.000000 5.000000 6) 8.000000 0.000000 7) 2.000000 0.000000 NO. ITERATIONS= 2 Subproblem 3. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X2 >= 3 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 34.50000
VARIABLE VALUE REDUCED COST X1 6.500000 0.000000 X2 3.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 1.500000 3) 1.500000 0.000000 4) 4.000000 0.000000 5) 0.000000 -1.000000 6) 6.500000 0.000000 7) 3.000000 0.000000 NO. ITERATIONS= 1 Subproblem 4. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X2 >= 3 X1 <= 6 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 34.25000
VARIABLE VALUE REDUCED COST X1 6.000000 0.000000 X2 3.250000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 1.250000 3) 2.000000 0.000000 4) 3.500000 0.000000 5) 0.250000 0.000000 6) 0.000000 0.500000 7) 6.000000 0.000000 8) 3.250000 0.000000 NO. ITERATIONS= 3 Subproblem 5. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10
X2 >= 3 X1 >= 7 X1 >= 0 X2 >= 0
NO FEASIBLE SOLUTION AT STEP 0. SUM OF INFEASIBILITIES =
0.250000000000000.
VIOLATED ROWS HAVE NEGATIVE SLACK,
OR ( EQUALITY ROWS) NONZERO SLACKS.
ROWS CONTRIBUTING TO INFEASIBILITY
HAVE A NONZERO DUAL PRICE.
Subproblem 6. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X2 >= 3 X2 <= 3 X1 <= 6 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 33.00000
VARIABLE VALUE REDUCED COST X1 6.000000 0.000000 X2 3.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 1.000000 0.000000 3) 2.000000 0.000000 4) 4.000000 0.000000 5) 0.000000 0.000000 6) 0.000000 5.000000 7) 0.000000 3.000000 8) 6.000000 0.000000 9) 3.000000 0.000000 NO. ITERATIONS= 2 Subproblem 7. Maximize 3X1 + 5X2 Subject to 2X1 + 4X2 <= 25 X1 <= 8 2X2 <= 10 X2 >= 3 X2 >= 4 X1 <= 6 X1 >= 0 X2 >= 0
LP OPTIMUM FOUND AT STEP 1 OBJECTIVE FUNCTION VALUE 1) 33.50000
VARIABLE VALUE REDUCED COST X1 4.500000 0.000000 X2 4.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 1.500000 3) 3.500000 0.000000 4) 2.000000 0.000000 5) 1.000000 0.000000 6) 0.000000 -1.000000 7) 1.500000 0.000000 8) 4.500000 0.000000 9) 4.000000 0.000000 NO. ITERATIONS= 1
Lampiran 2 Program untuk menyelesaikan masalah penjadwalan kegiatan belajar mengajar di lembaga bimbingan belajar BTA Bogor dengan proses pertama yaitu lokasi Jalan Gedung Sawah terlebih dahulu kemudian jadwal untuk Jalan Baru.
Proses Jalan Gedung Sawah terlebih Dahulu:
SETS: WAKTU /W1 W2..W12/; MATA_PELAJARAN /MP1 MP2..MP13/; RUANGAN /R1 R2..R8/; KELOMPOK /K1 K2..K16/; PENGAJAR /G1 G2..G15/; KOMBINASI(WAKTU,MATA_PELAJARAN,RUANGAN,KELOMPOK,PENGAJAR):X; ENDSETS !Fungsi Objektif; MAX=@SUM(KOMBINASI(I,J,K,N,P):X); !Kendala;
!1 Dalam setiap pola belajar, suatu kelompok belajar sore hari tidak boleh belajar siang hari; @SUM(WAKTU(I)|I#EQ#2:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#2:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#2:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#4:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#2:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#6:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#2:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#11:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N, P)+X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#2:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#14:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N, P)+X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0;
!2 Dalam setiap pola belajar, suatu kelompok belajar siang hari tidak boleh belajar sore hari; @SUM(WAKTU(I)|I#EQ#1:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#1:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#1:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#3:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#1:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#7:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N,P) +X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0; @SUM(WAKTU(I)|I#EQ#1:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#10:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N, P)+X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0;
@SUM(WAKTU(I)|I#EQ#1:@SUM(MATA_PELAJARAN(J):@SUM(PENGAJAR(P):@SUM( RUANGAN(K):@SUM(KELOMPOK(N)|N#EQ#15:X(I,J,K,N,P)+X(I+2,J,K,N,P)+X(I+4,J,K,N, P)+X(I+6,J,K,N,P)+X(I+8,J,K,N,P)+X(I+10,J,K,N,P))))))=0;
!3 Suatu kelompok hanya belajar di satu tempat, Jalan Gedung Sawah atau Jalan Baru; !a.Ruang 1-4; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(RUANG AN(K)|K#EQ#5:@SUM(KELOMPOK(N)|N#LT#5:X(I,J,K,N,P)+X(I,J,K+1,N,P)+X(I,J,K+2,N,P )+X(I,J,K+3,N,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(RUANG AN(K)|K#EQ#5:@SUM(KELOMPOK(N)|N#LT#8 #AND# N#GT#5:X(I,J,K,N,P)+X(I,J,K+1,N,P)+X(I,J,K+2,N,P)+X(I,J,K+3,N,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(RUANG AN(K)|K#EQ#5:@SUM(KELOMPOK(N)|N#LT#12 #AND# N#GT#9:X(I,J,K,N,P)+X(I,J,K+1,N,P)+X(I,J,K+2,N,P)+X(I,J,K+3,N,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(RUANG AN(K)|K#EQ#5:@SUM(KELOMPOK(N)|N#LT#16 #AND# N#GT#13:X(I,J,K,N,P)+X(I,J,K+1,N,P)+X(I,J,K+2,N,P)+X(I,J,K+3,N,P))))))=0;
!4 Keterbatasan kapasitas ruangan yang tersedia di BTA sesuai dengan banyaknya siswa di setiap kelompoknya; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(KELOM POK(N)|N#EQ#1:@SUM(RUANGAN(K)|K#LT#5 #AND# K#GT#1:X(I,J,K,N,P)+X(I,J,K,N+3,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(KELOM POK(N)|N#EQ#2:@SUM(RUANGAN(K)|K#EQ#1:X(I,J,K,N,P)+X(I,J,K,N+8,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(KELOM POK(N)|N#EQ#2:@SUM(RUANGAN(K)|K#LT#5 #AND# K#GT#2:X(I,J,K,N,P)+X(I,J,K,N+8,P))))))=0; @SUM(WAKTU(I):@SUM(PENGAJAR(P):@SUM(MATA_PELAJARAN(J):@SUM(KELOM POK(N)|N#EQ#3:@SUM(RUANGAN(K)|K#LT#3:X(I,J,K,N,P)+X(I,J,K,N+3,P)+X(I,J,K,N+4,P )+X(I,J,K,N+8,P)+X(I,J,K,N+11,P)+X(I,J,K,N+12,P))))))=0;
!5 Setiap kelompok hanya belajar dengan satu pola belajar; @SUM(WAKTU(I)|I#LT#5 #AND# I#GT#2:@SUM(RUANGAN(K):@SUM(PENGAJAR(P):@SUM(KELOMPOK(N)|N#EQ#2:@S UM(MATA_PELAJARAN(J):X(I,J,K,N,P)+X(I,J,K,N+2,P)+X(I,J,K,N+4,P)+X(I,J,K,N+5,P)+X( I,J,K,N+9,P)+X(I,J,K,N+13,P))))))=0; @SUM(WAKTU(I)|I#LT#9 #AND# I#GT#6:@SUM(RUANGAN(K):@SUM(PENGAJAR(P):@SUM(KELOMPOK(N)|N#EQ#2:@S UM(MATA_PELAJARAN(J):X(I,J,K,N,P)+X(I,J,K,N+2,P)+X(I,J,K,N+4,P)+X(I,J,K,N+5,P)+X( I,J,K,N+9,P)+X(I,J,K,N+13,P))))))=0; @SUM(WAKTU(I)|I#LT#13 #AND# I#GT#10:@SUM(RUANGAN(K):@SUM(PENGAJAR(P):@SUM(KELOMPOK(N)|N#EQ#2:@ SUM(MATA_PELAJARAN(J):X(I,J,K,N,P)+X(I,J,K,N+2,P)+X(I,J,K,N+4,P)+X(I,J,K,N+5,P)+X (I,J,K,N+9,P)+X(I,J,K,N+13,P))))))=0; @SUM(WAKTU(I)|I#LT#3:@SUM(RUANGAN(K):@SUM(PENGAJAR(P):@SUM(KELOMP OK(N)|N#EQ#1:@SUM(MATA_PELAJARAN(J):X(I,J,K,N,P)+X(I,J,K,N+2,P)+X(I,J,K,N+9,P) +X(I,J,K,N+13,P))))))=0;